MIT Media Lab 发布可穿戴事实核查系统 FactNudger 的原型与用户研究

完整中文导读

MIT Media Lab 团队构建了 FactNudger，一个 Android + Wear OS 端到端系统，可实时转写对话、结合语境判断陈述、检索网络证据，并决定等待、忽略或振动提醒；振动仅用于有可信反驳证据且涉及健康、财务、安全等后果的陈述。

中文整理

作者 / 来源：Fluid Interfaces · 原文时间未提供

原作者信息要点

MIT Media Lab 发布可穿戴事实核查系统 FactNudger 的原型与用户研究。该系统为 Android 加 Wear OS 的端到端系统，可实时转写对话、结合对话语境解读陈述、检索网络证据，然后在三种动作中选择其一：等待更多语音、忽略该陈述或振动提醒。振动时手表显示简短可扫视的解释，配套手机提供支持来源。

系统对何时打断刻意保守。作者称出错不只是准确率问题，也是信任问题。振动仅保留给存在可信反驳证据、且对听者有实际后果（健康、财务、安全等）的陈述；其余情况静默忽略或等待更多语境。

性能方面：在 125 条真实世界已核查陈述的随机样本上，FactNudger 给出正确真伪判断的比例为 77%。在一组 50 条棘手的对话边缘案例（如不完整句子、更正、重复陈述、玩笑、依赖地点的陈述）上，系统在 50 例中有 40 例（80%）选择了正确响应（等待/忽略/振动），平均响应延迟约为说话人说完后 3.5 秒。

为测试实时反馈本身是否改变人们相信的内容，作者构建了固定已知准确率（87.5%，与当时最先进视频事实核查系统相当）的 Wizard-of-Oz 版 FactNudger，以将实时反馈的效果与任一 AI 模型的技术性能分离。研究采用被试内设计，34 名参与者各观看含真伪陈述的短视频合集两次：一次佩戴 FactNudger，一次无支持。顺序做了平衡，每个视频中植入 1 至 2 个故意设置的 AI 错误，以观察人们对不完美系统的反应。

研究结果：佩戴设备时对虚假陈述的相信显著下降，同时对真实陈述的相信得以保留，即提示并未让人不加区分地变得更怀疑。拒绝虚假陈述的信心上升，而不只是判断准确率上升。与不佩戴条件相比，核查行为（暂停、回退、网络搜索、看手表）大约翻倍，且主观认知负荷未增加（NASA-TLX 无显著差异）。该效应在参与者之间保持一致，与其对话题的个人在意程度、此前是否接触过该陈述、以及其开放思维的总体倾向无关。

作者指出一个关键问题：错误有影响，且不对称。假阳性（手表把真实陈述标为虚假）会让人对准确信息显著更加怀疑。假阴性（静默漏掉虚假陈述）影响小得多，因为人们大多会回归自己的直觉。换言之，设备发声时人们比应有的更依赖它，但设备沉默时人们并未受到严重伤害。作者认为这一不对称对设计有用，但也意味着信任校准（置信度分数、可见来源、诚实的不确定性）应成为负责任使用此类系统的核心。

下一步：作者计划开展真实环境研究，使用完整运行的端到端 FactNudger 系统，在真实、无脚本的对话中测试，包括背景噪声、含糊语音、不完美转写和现实延迟。目标是检验实验室中观察到的信念改变与核查效应，在系统必须于真实世界而非精心策划的环境中赢得信任时是否仍然成立。作者也指出，实验室研究为 Wizard-of-Oz，使用预先脚本化、预先核实的视频内容，在受控环境中进行，可能高估了人们实际参与核查的频率。

本站整理与观察

本站观察：材料将 FactNudger 定位为可穿戴、身体集成的实时事实核查提示系统，其核心设计取舍是宁可沉默也不轻易打断，以降低误报带来的信任代价。

本站观察：77% 与 80% 两项指标分别对应真实世界已核查陈述的真伪判断，以及对话边缘案例上的响应动作选择，二者任务不同，不宜直接比较。

本站观察：Wizard-of-Oz 版本固定准确率 87.5%，高于端到端原型在 125 条样本上的 77%，作者以此隔离实时反馈效果与技术性能，这一设计使实验室结论不能直接等同于完整系统的实际表现。

本站观察：作者明确区分了假阳性与假阴性的不对称影响，并据此提出置信度、来源可见性与不确定性表达应作为系统责任设计的重点，这属于作者基于研究结果提出的设计主张，而非已验证的部署结论。

本站观察：材料未提供参与者人口统计、视频材料具体内容、统计检验细节或效应量，因此无法评估结果的稳健性与可推广范围。

材料为作者自述的研究介绍，未提供同行评审状态、完整方法细节、统计结果或原始数据；77%、80%、87.5%、34 名参与者、125 条与 50 条样本等数字均来自作者陈述，本站未独立验证。Wizard-of-Oz 设置与受控视频内容可能高估真实场景中的核查行为，作者本人亦指出这一点。真实环境研究尚未开展，相关效果能否在无脚本对话中成立仍属未知。